cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
-
Contact Email
-
Phone
-
Journal Mail Official
-
Editorial Address
-
Location
Kota bogor,
Jawa barat
INDONESIA
Jurnal Ilmu Komputer dan Agri-Informatika
Published by Institut Pertanian Bogor
ISSN : 20896026     EISSN : -     DOI : -
Core Subject : Science, Agriculture,
Agriculture, Biological Sciences & Forestry Computer Science & IT
Jurnal Ilmu Komputer dan Agri-Informatika (JIKA) diterbitkan setiap bulan Mei dan November, memuat tulisan ilmiah yang berhubungan dengan bidang Ilmu Komputer serta aplikasi informatika untuk pengembangan pertanian. Berkala ilmiah ini menerima tulisan hasil penelitian dari luar IPB.
Arjuna Subject : -
Articles 187 Documents
 15   16   17   18   19 
SAE-DNN-GA: Sebuah Pendekatan Klasifikasi Multilabel dalam Prediksi Senyawa Herbal Potensial Untuk Penyakit COVID-19 Wijaya, Eko Praja Hamid; Kusuma, Wisnu Ananta; Wijaya, Sony Hartono
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.111-121

Abstract

COVID-19 adalah penyakit dengan laju penyebaran yang tinggi. Percepatan proses penemuan obat untuk penyakit tersebut sangat dibutuhkan. Penggunaan kembali obat (drug repurposing) merupakan salah satu alternatif dalam pengembangan dan penemuan obat dengan biaya murah serta waktu yang singkat. Tanaman herbal dapat digunakan sebagai obat dengan khasiat yang lebih baik, efek samping yang lebih sedikit, dan lebih murah. Prediksi interaksi obat-target dan penggunaan kembali obat dapat digunakan untuk mengeksplorasi senyawa herbal potensial. Penelitian ini mengatasi kelemahan klasifikasi biner dengan model DSSL-DTI (Deep Semi Supervised Learning-Drug Target Interaction) yang dioptimasi menggunakan Algoritma Genetika. Tujuan penelitian ini adalah mendeteksi kemungkinan adanya hubungan antar label menggunakan pendekatan klasifikasi multilabel dengan model yang dioptimasi. Data yang digunakan penelitian ini antara lain: data protein, data interaksi senyawa-protein, dan data senyawa herbal. Data protein diperoleh dari situs GeneCards yang berisi kumpulan protein yang berasosiasi dengan COVID-19 dan ditemukan pada manusia. Data interaksi senyawa-protein diperoleh dari situs DrugBank dan SuperTarget. Adapun data senyawa herbal diperoleh dari HerbalDB. Hasil penelitian menunjukkan bahwa dengan menggunakan model SAE-DNN-GA yang diusulkan, prediksi senyawa herbal menghasilkan sepuluh senyawa yang berinteraksi dengan dua protein bernilai relevansi tertinggi, yaitu protein INS (7.094) dan ALB (3.178). Hasil ini diharapkan mampu meningkatkan hasil prediksi kandidat senyawa herbal sebagai obat penyakit COVID-19 menjadi lebih akurat.
EVALUATION OF SIDALIH IMPLEMENTATION USING PIECES FRAMEWORK Yulianto, Yulianto; Huda, Miftahul
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.156-171

Abstract

Various organizations including government (e-government) have used information technology to support services to the community. Indonesia is one of the major democracies and has implemented e-government in the field of democracy, commonly called e-democracy in the form of applications used to support the implementation of the 2024 election stages, one of which is SIDALIH. The preparation of the voters list is a very important stage to ensure the sovereign rights of citizens. The preparation of the voter list took a long time but until the last election in 2019 there were still various problems, including voters who had not been recorded in the DPT, fake voters, multiple voters, data disabilities, and abnormal data. Bawaslu's findings that 1,013,366 DPTs that were declared double were distributed in seventy-five districts/cities. Research on the use of SIDALIH in the 2024 election using the pieces framework. The variables in this study are performance, information and data, economics, control and security, efficiency, and service. The population in this study were all SIDALIH users in Kebumen Regency, while the sample was 320 from the organizers of the Kebumen Regency KPU. Data analysis was carried out using SmartPLS 3.0, including the outer model test, inner model including the R² test. The results showed that as many as 2 variables, namely performance and efficiency, had no influence on user satisfaction, and the variables of information and data, economics, control and security, service had a positive and significant influence on user satisfaction. Together the pieces framework has a contribution of 64.2% to user satisfaction, while 35.2% is influenced by other variables.
Perbandingan Kinerja Algoritma Random Forest, AdaBoost, dan XGBoost Dalam Memprediksi Resiko Penyakit Osteoporosis Supriyanto, Raden; Alfianti, May Linda Tri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.172-184

Abstract

Penyakit tulang yang disebut osteoporosis ditandai oleh berkurangnya massa tulang dan meningkatnya kerapuhan, yang meningkatkan kemungkinan patah tulang terutama pada pinggul, tulang belakang dan pergelangan tangan. Penyakit ini dapat dialami oleh perempuan dan laki-laki, khususnya usia tua. Penyakit ini umumnya tidak menimbulkan gejala pada tahap awal, sehingga prediksi dini sangat penting untuk pencegahan dan penanganan. Tujuan dari penelitian ini adalah untuk membandingkan kinerja tiga algoritma pembelajaran mesin, yaitu Random Forest, AdaBoost dan XGBoost, dalam memprediksi resiko osteoporosis. Dataset yang digunakan berjumlah 1781 data dengan tiga skema pembagian data 80:20, 70:30 dan 60:40. Pada algoritma Random Forest, skema 80:20 memberikan hasil terbaik dengan akurasi 87,11%, dan presisi 89,09%. Sementara itu, algoritma AdaBoost menunjukkan performa terbaik pada skema 60:40 dengan akurasi 92,01% dan presisi 93,13%. Algoritma XGBoost menunjukkan hasil terbaik pada skema 80:20 dengan akurasi 90,20% dan presisi 90,77%. Hasil penelitian menunjukkan bahwa algoritma AdaBoost memiliki kinerja terbaik di antara ketiga algoritma yang diuji. Setelah itu mengimplementasikan model prediksi resiko osteoporosis ke dalam website, yang memungkinkan pengguna melakukan prediksi berdasarkan 14 variabel: umur, jenis kelamin, riwayat keluarga, etnis, penggunaan obat, riwayat patah tulang, perubahan hormonal, asupan vitamin D, asupan kalsium, berat badan, aktivitas fisik, konsumsi alcohol, merokok dan kondisi medis.
Analisis Kinerja Komunikasi Data Berbasis LoRa pada IoT untuk Pemantauan Lingkungan Kandang Ayam Akbar, Auriza Rahmad; Maxiwinata, Maxdha; Rahmawan, Hendra; Wahjuni, Sri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.195-204

Abstract

Teknologi IoT dapat mempermudah peternak dalam memantau kandang ayam dari jauh. Teknologi LoRa cocok untuk diterapkan untuk implementasi IoT pada lingkungan kandang yang umunya berada jauh dari pemukiman penduduk, karena memiliki jarak jangkauan yang jauh dan hemat dalam penggunaan daya. Penelitian ini bertujuan untuk mengimplementasikan dan menguji kinerja IoT menggunakan LoRa dengan modul RFM95W pada lingkungan kandang ayam. Kinerja yang diamati berupa jarak, kekuatan sinyal, dan keberhasilan transmisi data. Pengujian yang dilakukan adalah pengujian fungsional dan pengujian kinerja dengan antena 3 dBi dan 5 dBi pada SF7. Hasil pengujian fungsional berhasil mengirimkan data ke Thingspeak. Hasil pengujian menggunakan antena 5 dBi mendapatkan hasil yang lebih baik dibandingkan dengan antena 3 dBi. Untuk skenario tanpa halangan, jarak terjauh adalah 400 m dengan error rate 15% dan untuk skenario dengan halangan jarak terjauh adalah 80 m dengan error rate 5%.
I-NusaPlant Apps : Indonesian Medical Plants Identification Using Convolutional Neural Network With Pre-trained Model MobileNetV2 Khaira, Ulfa; Saputra, Edi; Adriadi, Ade
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.185-194

Abstract

Indonesia has about 30,000 different kinds of medicinal plants, which is a very large number compared to the total of 40,000 that exist all over the world. In fact, Indonesia, along with other Asian countries like China and India, has one of the highest concentrations of medicinal plants in the world. An expert is required to identify functional medicinal plants, but the number that such experts is quite limited. Convolutional Neural Networks (CNNs) and transfer learning can be very effective tools for identifying Indonesian medical plants. These methods have been shown to be highly accurate at classifying different objects. Transfer learning was used because it can reuse the knowledge gained from previous training, which speeds up the process and improves accuracy. This study used 5,000 images divided into 20 categories. The MobileNetV2 model was used, and it achieved 100% accuracy for all categories in the experiments. The Identification Indonesian Medical Plants method in this study has been implemented in the I-NusaPlant mobile-based application. The app's performance was tested, and it was found to use a maximum of 17% CPU and 197 MB of memory. This app works on all Android versions from 8.0 to 13.
Pengembangan Prototipe Aplikasi Berbasis Blockchain dan QR Code dengan Metode ABCDE untuk Rantai Pasok Beras Hermadi, Irman; Wahjuni, Sri; Barlianto, Agus
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.205-215

Abstract

The development of blockchain-based applications has the potential to revolutionize transparency and traceability in supply chains. This paper presents the development of Ricetrack, a blockchain and QR Code-based application designed to enhance transparency and traceability in the rice supply chain. Ricetrack was developed using Hyperledger Sawtooth technology with the Agile Blockchain DApp Engineering methodology. The application was prototyped and tested in the rice supply chain at Menata Citra Selaras, Bekasi Regency, Indonesia. Before Ricetrack, traceability and data transparency were very minimal or almost nonexistent, with records maintained manually using paper and/or Microsoft Excel. Prototype testing showed significant improvements in traceability, data transparency, and operational efficiency. Key findings include increased ability to track rice from farmers to consumers, enhanced real-time data access for stakeholders, and reduced errors and time in data recording processes. This study offers valuable insights into the practical challenges and benefits of applying blockchain technology in supply chain management and provides a foundation for further improvement and wider implementation of Ricetrack in the future.
Pengukuran Kesiapan Adopsi Teknologi Informasi Pada Poktan Hidup Baru Dengan Metode Digital Literacy Index Oktadini, Nabila Rizky; Sevtiyuni, Putri Eka; Marjusalinah, Anna Dwi; Akbaroka, Leo; Az Zahra, Cindy Putri
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 11 No. 2 (2024)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.11.2.143-155

Abstract

Although advances in digital technology offer great opportunities to improve efficiency and productivity in agricultural sector, its application has been uneven. Adoption of information technology still faces challenges, especially among farmers. This study aims to measure the readiness of information technology adoption in the Kelompok Tani (Poktan) Hidup Baru, Cempaka District, OKU Timur, using the Digital Literacy Index (DLI) which includes four main pillars such as Digital Skill, Digital Ethics, Digital Safety, and Digital Culture. The results show that farmers' digital literacy index has an average of 2.91, lower than the national average of 3.54. The biggest gap is in the digital skills pillar (2.20), signaling difficulties in operating devices. Meanwhile, digital ethics awareness is quite good (2.87). Education level (r = 0.79) and frequency of internet use (r = 0.97) have positive correlations with digital skills. However, the correlation between digital skills and digital safety was weak (r = 0.14), indicating a lack of understanding of cybersecurity. These findings emphasize the need to improve digital literacy to support technology adoption.
Pemodelan Prediksi Perdagangan Satwa Liar Menggunakan Algoritma k-Nearest Neighbor Hermadi, Irman; Hardhienata, Medria; Primasari, Angela
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 12 No. 1 (2025)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.12.1.91-101

Abstract

Perdagangan satwa liar dengan pengawasan yang tidak optimal dapat merupakan salah satu ancaman yang mampu memberikan dampak signifikan bagi keberlangsungan keanekaragaman hayati. Beberapa spesies hewan seperti mamalia dan reptil saat ini terancam punah dengan adanya perdagangan satwa liar yang tidak terpantau dengan baik. Praktik perdagangan satwa liar kerap ditemukan di berbagai media, termasuk situs internet, karena kemudahan akses yang ditawarkan kepada masyarakat luas. Namun jika data tersebut diolah secara manual maka dibutuhkan waktu, tenaga, dan upaya yang cukup besar. Oleh sebab itu, dibutuhkan sebuah pendekatan berbasis kecerdasan buatan untuk mengidentifikasi wilayah dengan aktivitas perdangan satwa liar yang tinggi dan berpotensi melampai batas perdagangan satwa liar yang diizinkan. Penelitian ini bertujuan untuk membangun sebuah model yang dapat melakukan prediksi area yang rawan perdagangan satwa liar. Algoritma yang digunakan dalam penelitian ini adalah algoritma clustering K-Means untuk mengelompokkan wilayah berdasarkan tingkat kerawanan aktivitas perdagangan satwa liar, serta algoritma k-Nearest Neighbor untuk melakukan prediksi tingkat kerawanan wilayah perdagangan satwa liar. Selain itu, metode Market Basket Analysis digunakan untuk mengidentifikasi pola asosiasi dalam perdagangan satwa liar antar negara. Data yang digunakan merupakan data perdagangan satwa liar dari berbagai negara pada tahun 2018 hingga 2020. Dengan menggunakan pendekatan clustering, dalam penelitian ini diklasifikasikan tiga wilayah dengan potensi kerawanan perdagangan satwa liar, yaitu wilayah dengan resiko rendah, sedang, dan tinggi. Hasil penelitian menunjukkan bahwa model prediksi yang dibangun mampu memprediksi wilayah rawan perdagangan satwa liar dengan tingkat akurasi model training sebesar 99% dengan data impor dan 100% dengan data ekspor. Setelah dievaluasi dengan 3-cross fold validation, akurasi model yang diperoleh adalah sebesar 97% untuk data impor dan 98% untuk data ekspor. Hasil akurasi model testing dalam penelitian ini adalah sebesar 100% dengan data impor maupun ekspor. Melalui pendekatan metode market basket analysis, penelitian ini menyimpulkan dengan data yang dipertimbangkan belum ditemukan pola asosiasi yang kuat dalam aktivitas perdagangan satwa liar antara satu negara spesifik dengan negara lainnya.
Rekomendasi dan Kontrol Penyiraman Tanaman Berbasis Internet of Things menggunakan Aplikasi Mobile Karim, Syafei; Maria, Eny; Kardika, Adelia Juli; Imron; Junirianto, Eko
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 12 No. 1 (2025)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.12.1.1-12

Abstract

Pertanian merupakan salah satu sektor yang sangat penting bagi Indonesia untuk memenuhi kebutuhan pangan masyarakatnya. Dalam pertanian, banyak hal yang harus diperhatikan khususnya tanah yang digunakan untuk bertanam seperti pH tanah, natrium (N), fosfor (P), kalium (K), dan juga kelembaban tanah. Untuk melakukan pengecekan kondisi tanah, petani perlu menggunakan alat bantu dalam pengecekannya. Terdapat konsep yang dapat digunakan untuk mengecek dan memantau kondisi tanah dengan memanfaatkan perangkat keras dan perangkat lunak yang berkomunikasi dengan internet. Konsep tersebut dinamakan dengan Internet of Things. Pada penelitian ini menerapkan konsep Internet of Things untuk memantau kondisi tanah dan kontrol pompa penyiraman serta memberikan rekomendasi penyiraman berdasarkan dari data sensor suhu dan kelembaban tanah. Sistem yang digunakan pada penelitian ini terdiri dari sensor node dan pompa node. Berdasarkan hasil pengujian, sensor dapat berfungsi secara baik dengan berhasil mengirimkan data ke Thingsboard dan dapat ditampilkan pada aplikasi mobile serta memberikan rekomendasi penyiraman. Rekomendasi yang diberikan sistem tidak semua dilakukan oleh petani karena tergantung dengan cuaca yang ada di lokasi lahan
Pengembangan Virtual Reality Walking Tour untuk Eksplorasi Jajanan Tradisional di Lawang Rangga Gading, Kota Bogor Giri, Endang Purnama; Asfarian, Auzi; Agmalaro, Muhammad Asyhar; Ardiansyah, Firman; Pratama, Dharma; Rabbani, Rafif; Ibrahim, Arhammirza
Jurnal Ilmu Komputer dan Agri-Informatika Vol. 12 No. 1 (2025)
Publisher : Sekolah Sains Data, Matematika, dan Informatika. Institut Pertanian Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29244/jika.12.1.50-58

Abstract

Meningkatnya minat untuk melestarikan warisan budaya Indonesia, khususnya di Kota Bogor, memotivasi metode inovatif dalam pariwisata. Pandemi COVID-19 mempercepat pengembangan pariwisata virtual, yang memungkinkan pengalaman melalui platform digital, yang meluas ke ekowisata untuk pelestarian lingkungan dan inklusivitas. Studi ini memperkenalkan tur jalan kaki realitas virtual untuk memelihara dan mempromosikan situs sejarah dan budaya Bogor, dengan fokus pada Lawang Rangga Gading, pusat kuliner yang direvitalisasi. Penelitian ini menggabungkan teknik video imersif 360 dan prinsip desain interaksi untuk memberikan pengalaman yang menarik. Fitur desain utama meliputi pengembangan naratif berdasarkan sejarah lokal, navigasi adegan, dan gamifikasi menggunakan Octalysis Framework untuk memperkaya pengalaman pengguna. Sebagai kesimpulan, studi ini berhasil menunjukkan penggunaan tur jalan kaki VR untuk melestarikan dan mempromosikan warisan budaya Bogor, khususnya di Lawang Rangga Gading. Pengujian pengguna menggunakan SUS mengungkapkan skor rata-rata 62,3, yang menunjukkan sistem yang dikembangkan memiliki rentang penerimaan yang sangat tinggi. Ada beberapa area yang perlu ditingkatkan: meningkatkan kemampuan belajar, menyediakan navigasi yang lebih mudah untuk mengurangi bantuan teknis, dan meningkatkan kejelasan sistem.

Page 17 of 19 | Total Record : 187

 15   16   17   18   19 

Filter by Year

2012 2025


Reset
Filter By Issues
All Issue Vol. 12 No. 2 (2025) Vol. 12 No. 1 (2025) Vol. 11 No. 2 (2024) Vol. 11 No. 1 (2024) Vol. 10 No. 2 (2023) Vol. 10 No. 1 (2023) Vol 9 No 2 (2022) Vol 9 No 1 (2022) Vol. 8 No. 2 (2021) Vol 8 No 2 (2021) Vol. 8 No. 1 (2021) Vol. 7 No. 2 (2020) Vol. 7 No. 1 (2020) Vol. 5 No. 2 (2018) Vol. 5 No. 1 (2018) Vol. 4 No. 1 (2015) Vol. 3 No. 2 (2014) Vol 3, No 1 (2014) Vol. 3 No. 1 (2014) Vol. 2 No. 2 (2013) Vol 2, No 2 (2013) Vol. 2 No. 1 (2013) Vol 2, No 1 (2013) Vol 1 No 2 (2012) Vol 1, No 2 (2012) Vol 1, No 1 (2012) Vol 1 No 1 (2012) More Issue